딥러닝 기반의 링크통행시간을 이용한 차량대기길이 추정모형 개발

Abstract

본 연구는 교통운영 개선에 필요한 빅데이터․인공지능 모델 개발의 일환으로서, 도시부의 링크통행시간 및 통과교통량 등 가용 데이터 등을 이용하여 교통변수로 활용도가 높은 차량대기길이와의 관계를 딥러닝(Deep Learning)을 통해 학습하고 추정하는 인공지능 모델을 구축하는 것을 목표로 하였다. 링크별로 다양한 차량대기길이 분포를 수용하는 통합모형 개발을 위해 6개의 중요교차로를 포함한 총 11개의 교차로와 중요교차로 간을 연결하는 14개 링크로 구성된 수원시 CBD 지역 내의 네트워크를 공간적 범위로 하여, 해당 네트워크의 도로조건, 신호조건, 그리고 통행속도 등 ITS 데이터를 조사하여 이를 VISSIM 시뮬레이션에 반영하여 데이터를 구득하였다. 차량대기길이와 링크통행시간, 통과교통량 간의 관계를 분석하였다. 차량대기길이는 링크통행시간과 높은 상관관계가 있으며 통과교통량은 특정 링크통행시간에 넓게 분포된 차량대기길이를 분류하는 데 일조하였다. 또한 차량대기길이가 링크를 초과할 때에는 상류부 링크통행시간과 높은 상관관계가 분석되었다. 차량대기길이 추정모형은 데이터 분석결과를 토대로 하여 우선 차량대기길이의 링크 초과여부를 분류한 후 링크 초과 및 링크 미초과 상황에서의 각각의 차량대기길이 추정하는 3개의 모형으로 모델링하였다. 모든 모형은 DNN(Deep Neural Network) 구조를 기반으로 하였으며, 적정 입력변수 및 활성화 함수, 비용 함수, 최적화 알고리즘, 초기화, 학습환경 등을 시나리오에 따라 설정하여 가장 최소의 오차를 나타내는 모형을 각각 선정하였다. 차량대기길이 링크 초과여부 분류 모형은 약 98%의 정확도를 나타냈으며, 링크 미초과 모형은 15% 미만, 링크 초과 모형은 5% 미만의 오차를 각각 나타내었다. 링크별 평균 오차는 12%로 도출되었다. 이를 기존 실시간 신호제어시스템과 비교 분석한 결과 오차가 약 39% 감소된 것으로 분석되었다.